一台 Ryzen 7 5700X、24 GB RAM、Radeon RX 580 8 GB 显存的普通开发机，把 Ollama 跑起来，再塞进去一个针对 ABAP 微调过的 3B 模型，表面上看，这是一个很有吸引力的组合。客户代码不用发往外部服务器，没有按 Token 计费的 API 账单，模型就在本机显卡上运行。对于长期接触 SAP S/4HANA 核心业务代码、客户增强、接口实现、定价逻辑、财务流程代码的 ABAP 开发来说，这两个理由都很现实。但真正把它接到开发流程里以后，问题很快从「能不能运行」变成另外几个更实际的问题。一秒到底能生成多少 Token。一次正常 ABAP 回答需要等多久。生成出来的代码到底能不能通过 Syntax Check。能够激活的代码是不是业务上真的正确。编译错误重新喂给模型以后，它有没有能力把代码修好。所谓本地运行，是不是真的没有任何数据离开开发机。这几个问题如果没有数字，只讨论 Local AI 的优点，很容易把技术选型做成信仰问题。所以更有价值的方式，是把模型扔进真实的 SAP 系统里，让 ABAP Compiler、ABAP Unit 和 ATC 来裁判，而不是靠肉眼看代码像不像正确答案。这次测试使用两套 SAP 系统，一套是 SAP S/4HANA 2023，对应 ABAP 7.58，另一套是 SAP S/4HANA 2020，对应 ABAP 7.55。本地推理环境使用 Ollama，本地模型 Temperature 设置为 0。测试数据与实验方法来自 2026 年 10 月发布于 SAP Community 的实际测量。